今年上海車展上，卡爾動力推出的未來運輸機器人KargoBot Space引起業內熱議，主因兩個：一是提出"運輸機器人"這一全新物種概念；二是單車商業價值年增收25～40萬。

至今大家依然好奇，這到底是一款什么樣的產品？實現單車增收幅度為何如此之大？對此，卡爾動力規控算法研發副總裁王前在2025世界智能汽車大會現場接受專訪時，進一步做出回應和解讀。

王前表示，運輸機器人是以運輸第一性原理提出的新概念，完全沒有給人類司機預留駕駛空間，簡單點說就是取消了駕駛艙。這一設計改變帶來約25%載貨量和約10%載重量的提升，這是單車實現年增收25萬～40萬的主要原因之一。除此之外，還有三個維度：一是卡爾動力提出混合無人駕駛編隊概念，降低風阻，帶來燃油經濟性，同時一個編隊5輛車，后4車全無人，節約80%人力成本；二是能源替代節約成本。“這是一個多維度貢獻的結果，綜合起來，未來運輸機器人的單車節約成本每年可達25萬到40萬。” 

卡爾動力聚焦貨運，但產品全場景通用。王前解釋：“我們目前展示的是一個封閉場景下的掛車，實際上產品的形態可以多元化，包括底盤，可以適配多樣，尺寸靈活增減。” 這讓卡爾動力的商業模式更具想象空間，吸引資本青睞。今年5月，卡爾動力完成近3億元A+輪融資，成為當周無人駕駛領域最大規模投資事件。

對于未來，王前表示，卡爾動力將全力推進產品在更多場景的落地和應用，并通過AI能力強化學習思路，進一步提升自動駕駛模型上限。

 

（以下為主要采訪內容）

 

聚焦于未來，產品形態適應全場景應用

 

商用汽車觀察：今年上海車展上，卡爾動力發布一款運輸機器人，這是一個什么概念？與傳統無人駕駛車相比，有哪些不同？

王前：卡爾動力是一家聚焦于商用車智能駕駛的公司，我們的終極目標是打造一款完全能夠自主運輸貨物的載體或者叫機器人。

這一概念在今年上海車展期間正式對外呈現，它是以運輸第一性原理為設計理念，這款車取消了駕駛艙，完全沒有給人類司機預留駕駛空間。它的整體形態聚焦于未來，是完全自動化程度特別高的市場環境下誕生的產品，可以有各種各樣靈活配置的運輸方式，也能夠自主選擇是以自動駕駛編隊還是以個人單車的形式去運貨，我們的初衷是為行業未來呈現一個全新的運輸形態。

商用汽車觀察：一款面向未來的產品形態，針對全場景，還是某些特殊場景？

王前：我們目前展示的只是一個形態，實際上產品的形態可以多元，我們可以與OEM定義不同場景。

目前展示的形態是干線物流場景下的掛車形態，但如果運輸場景或貨物不同，比如冷鏈運輸，可以加裝不同形式的掛車去適應不同貨物的運輸需求，包括底盤，結構可以靈活適配，尺寸可以增大或縮小。

商用汽車觀察：我們的核心產品，最終呈現給用戶的是技術方案還是集成的底盤方案？

王前：我們是一家聚焦于商用車自動駕駛的企業，未來希望能做貨運的“自主機器人+運輸操作系統”，既包括面向貨運的無人駕駛通用大模型，也包括面向全行業的運輸機器人通用平臺。未來我們也會與我們的OEM廠商共同根據不同場景，一起設計不同的產品形態。

 

聚焦6萬億貨運市場，首款產品是標桿級案例

 

商用汽車觀察：首款運輸機器人發布時提到單車毛利提升5倍，具體如何實現？

王前： 是一個多維度的貢獻：第一個是未來運輸機器人取消了駕駛艙，這額外帶來25%左右的一個載貨量的提升和10%左右的載重量的一個提升，又能進一步提升我們的運輸效率；二是我們采用混合自動駕駛編隊的方案，能夠降低風阻，帶來燃油經濟性的一個提升，同時一個編隊5輛車，后車都無人，可以節省高達83%的人力成本。

此外，配合其他方式，比如能源的替換，綜合起來我們預判未來運輸機器人的單車節約的成本每年可達25萬～40萬。

商用汽車觀察：我們聚焦貨運，涉及客運嗎？

王前：聚焦貨運，除了自動駕駛卡車，我們也有混合智能運力調度平臺，它能夠根據實際的運輸需求和當前已有的運力進行智能匹配，比如選擇哪條路線，用什么車等，同時還能夠對運輸過程進行全流程監督和管理，以及根據過往大數據，去識別風險等問題，進一步提升運輸質量。

商用汽車觀察：聚集貨運，是這個領域的無人駕駛商業化落地更容易，還是它的市場規模更可觀？

王前：卡爾動力2021年由滴滴集團和鄂爾多斯集團一起孵化，本身是一個場景需求驅動的產物，當時意識到了貨運行業有各種各樣的問題，比如司機的短缺，老齡化等，市場有需求，而且需求非常大，行業規模大概6萬億。

 

AI能力是核心，未來5年預期有大突破

 

商用汽車觀察：卡爾動力有兩大主業：無人駕駛卡車自研和人工智能突破。目前兩大主業方面的產品和技術布局如何？

王前：運輸機器人只是一個載體，一個真正的機器人，無非就是具身智能的一個形態，未來要適配更多場景，我們與OEM伙伴一起去定義更多不一樣的產品形態。另一方面，我們真正聚焦的還是自動駕駛領域，所以我們重點投入到AI的范式怎么能夠實現全場景的一個落地，去賦能自動駕駛貨運。

商用汽車觀察：面向未來的AI技術，您認為最核心的是什么？

王前：這個引發一個叫AI技術范式的話題，卡爾動力2021年成立，以往4～5年時間，我們見證了自己技術方案的飛躍。

最早我們叫AI 1.0，那個時代更多的是以規則驅動，我們的研發同事手寫規則，然后根據不同的場景去定義不同的功能。

AI2.0時代是端到端出現后，從模仿學習逐漸去賦能自動駕駛，我們開始進行商業化落地。但在實際過程中，我們發現使用專用場景數據訓練而來的一個模仿人類駕駛員行為的端到端模型，距離真正人類的駕駛水平還是有比較大的gap，所以后面我們逐漸采取了VLM和VLA這種通用場景數據模型，用通用數據去訓練提升大模型對場景的理解，提升模型泛化能力的上限。

AI 3.0是我們借助了強化學習的一個思路，用強化學習訓練方式提升自動駕駛模型的上限，讓它理解什么是好的駕駛行為，什么又是不好的駕駛行為等。這種方式的不同是，它能夠提升自動駕駛的能力，達到數倍甚至數十倍于人類駕駛員水平，我們認為這是最終能實現自動駕駛范式。

商用汽車觀察：這個范式，您認為多久能實現？

王前：預計未來5年能實現，目前自動駕駛技術迭代非?？?，每年都是一個超預期的突破，所以我對未來非常樂觀。

 

擁有強大數據壁壘，算法迭代迅速

 

商用汽車觀察：您是算法領域專家，算法又是自動駕駛的大腦，算法目前在國內發展情況如何？

王前：前面提到AI的幾個階段，其實很多行業經歷過這個階段，最早的規則驅動，到數據驅動，再到端到端、網絡、大模型，最后逐漸大規模量產落地。

2024年，我們對外發布了自己的端到端自動駕駛方案，包含了端到端的一個AEB模型，以及我們的大語言模型。它們各自有不同的作用，端到端AEB模型，應對一些突發狀況，比如行人鬼探頭等。

商用車觀察：對算法迭代影響最大的是什么？

王前：大量運營數據積累和技術的迭代創新很重要，我們提出的AI3.0就是模仿學習和強化學習的一個聯合框架。模仿學習可以通過大量的高質量數據完成，并很快訓練出一個基座模型，在這個基座模型基礎上，通過專場數據去強化學習。

商用汽車觀察：我們的數據主要來源于哪里？

王前：一個來源是我們自己實際測試和運營場景的大量真實數據；一個是我們與滴滴密切合作共贏，在數據和技術上實現共享，積累了非常多通用場景的數據。此外，我們還有鄂爾多斯集團車隊，包括有人車我們也部署了數據的采集和積累。同時也有一些外部通用的行業數據。

 

行業仍存在長尾問題，卡爾動力做充足準備

 

商用汽車觀察：從算法角度看，卡爾動力在推動L4、L5實現商業化落地方面，有哪些儲備？

王前：我們對L5的定義是不限場景，剛才提到的混合編隊技術，其實就是L5技術的嘗試，它對高精地圖沒有依賴。

另一個是通用自動駕駛模型能力的一個提升，讓自動駕駛技術在不限場景的情況下，達到或超越人類駕駛水平，只有這樣才可以說擁有自動駕駛能力。

我們很慶幸的一點是提前做了一定的技術儲備，包括技術模式、數據等，這個在未來會是我們的一個競爭壁壘，加上目前我們已經跑通的技術路線和商業正循環，成為卡爾動力未來競爭中可以保持快速前進的一個支撐。

商用汽車觀察：目前無人駕駛還存在哪些長尾問題和商業落地的挑戰？

王前：還是一些突發問題，比如人工收費站的識別、交警查車、暴雨中的突然滑坡、路面的結冰等，這些都是實際運行中會遇到的問題，我們必須不斷地去積累，去研發對應的解決方案。

商用汽車觀察：未來無人駕駛貨運領域會出現乘用車那樣，只留下五六家的判斷？

王前：有可能，這是行業的規律。目前自動駕駛貨運行業剛開始，是一個百家齊放的狀態，但等到真正的技術收斂時，那些頭部企業的技術壁壘更加深厚，應用的場景也更多，這是一個滾雪球項目，所以最終誰能在更多場景實現商業化落地，誰能實現正向的商業閉環，誰就會有更大的競爭優勢。